Resumen de Implementación de modelo machine learning aplicado al estudio de enfermedades de café en el centro de investigación sacha wiwa

Geovanny Euclides Silva Peñafiel, Betty Mariela Llanos Bonilla, Alba Marisol Córdova Vaca, Wilmer Clemente Cunuhay Cuchipe

• español

  El objetivo de la presente investigación, fue la implementación del modelo Machine Learning (ML) aplicado al estudio de enfermedades de café en el Centro de Investigación Sacha Wiwa de la Parroquia Guasaganda, Cantón La Maná, Provincia de Cotopaxi; con el fin de facilitar el proceso de reconocimiento de las enfermedades y mejorar su calidad de producción. Para ello, se ha consideró una investigación bibliográfica, de campo mediante un aplicativo de sistema móvil con Android y ML en un entorno IDE Visual Studio Code, React native, y NodeJs. Para la creación y entrenamiento del modelado se utilizó Jupyter Lab, Tensorflow, Keras con JavaScript, Phyon, mediante la importación de librerías con 1180 fotos aleatorias de las 3 enfermedades encontradas de café y de su estado saludable para el entrenamiento del modelo de Inteligencia Artificial. Se utilizó la metodología MOBILE-D ya que la ponderación de sus características fue mayor con respecto a las metodologías ágiles. La implementación tuvo como finalidad el análisis de imágenes de las hojas enfermas para facilitar el proceso de reconocimiento; lo cual permitió tomar medidas preventivas y correctivas de propagación y tratamiento, evitando la pérdida del cultivo y mejorará la calidad de producción

• English

  The objective of this research was the implementation of the Machine Learning (ML) model applied to the study of coffee diseases at the Sacha Wiwa Research Center of the Guasaganda Parish, La Maná Canton, Cotopaxi Province; in order to facilitate the process of recognition of diseases and improve their production quality. For this, a bibliographical, field research has been considered through a mobile system application with Android and ML in an IDE environment Visual Studio Code, React native, and NodeJs. For the creation and training of the modeling, Jupyter Lab, Tensorflow, Keras with JavaScript, Phyon were used, by importing libraries with 1180 random photos of the 3 coffee diseases found and their healthy state for the training of the Artificial Intelligence model. The MOBILE-D methodology was used since the weighting of its characteristics was higher with respect to agile methodologies. The implementation had as purpose the analysis of images of diseased leaves to facilitate the recognition process; which allowed taking preventive and corrective propagation and treatment measures, avoiding crop loss and improving production quality